1. CSN
  2. Всі випуски
  3. Номер 905, 2018
  4. Метод розпізнавання символів на зображенні на основі згорткової нейронної мережі

Метод розпізнавання символів на зображенні на основі згорткової нейронної мережі

CSN.
2018;
, Номер 905
: сс. 96 - 105
https://doi.org/10.23939/csn2018.905.096
Автори:
  1. Ярослав Парамуд
  2. Володимир Яркун
1
Національний університет «Львівська політехніка», кафедра електронних обчислювальних машин
2
Національний університет «Львівська політехніка», кафедра електронних обчислювальних машин

Розроблено метод розпізнавання тексту - рукописного чи друкованого - на зображенні. Метод грунтується на емпіричному опрацюванні зображень у статистичних моделях машинного навчання та функціонування. Він забезпечує ефективне розв’язання задач двох класів: виявлення тексту на зображенні та розпізнавання тексту. Розроблено алгоритмічні підходи, що об’єднують ці два класи задач. Алгоритмічно-програмні засоби створено та протестовано для операційної системи iOS 11.0 та нових пристроїв компанії Apple – iPhone, iPad, які підтримують цю операційну систему. Емпірично встановлено, що запропонований метод та розроблені засоби можуть бути застосовані у нових пристроях компанії Apple: iPhone, iPad, які підтримують основні особливості операційної системи iOS.

розпізнавання символів
зображення
згорткова нейронна мережа
  1. Paramud Y., Yarkun V. Algorithmic and software means of handwritten symbol recognition // Bulletin of the National University “Lviv Polytechnic” “Computer Systems and Networks” No 881, Lviv, Ukraine. 2017. – P. 98–106.
  2. Yarkun V., Paramud Y. Algorithmic and software synchronization of information exchange // Bulletin of the National University “Lviv Polytechnic” “Computer Systems and Networks” No 857, Lviv, Ukraine. 2016. – P.111–118.
  3. Datong Chen, Jean-Marc Odobez, Herve Bourlard. Text detection and recognition in images and video frames // Pattern Recognition journal, 2003. – P. 595–608.
  4. Convolutional Neural Network [Electronic resource]/ Stanford. – Access mode: http://ufldl.stanford.edu/tutorial /supervised/ConvolutionalNeuralNetwork/.
  5. Convolutional networks [Electronic resource]/ Stanford. – Access mode: http://cs231n.github.io/convolutionalnetworks/#overview.
  6. Сoreml [Electronic resource]/ Apple. – Access mode: https://developer.apple.com/documentation/coreml.
  7. Bachelor’s degree dissertation [Electronic resource]/Github. – Access mode: https://github.com/VitaliyYarkun/Bachelor-s-degree-dissertation.
  8. NIST. American national standard for information systems – data format for the interchange of fingerprint, facial, and, scar mark and tattoo (smt) information, ansi-itl 1-2000 (nist special publication 500–245), September 2000.